Причинность

Описание	Причинность означает, что между двумя переменными существует ясная причинно-следственная связь (cause-effect relationship). В отличие от простой корреляции, причинность подразумевает направленность воздействия: переменная A оказывает влияние на переменную B, а не наоборот. Причинность (англ. causality) — фундаментальное понятие в статистике и эконометрике, описывающее связь между причиной и следствием, при которой изменение одной переменной вызывает изменение другой переменной.
Область знаний	Социология, Экономика, Статистика, Философия
Авторы
Поясняющее видео
Близкие понятия
Среды и средства для освоения понятия	NetLogo, R, CODAP

Математическое определение

В структурных каузальных моделях (Structural Causal Models, SCM) причинность формализуется через систему структурных уравнений:

[math]\displaystyle{ Y = f(X, U_Y) }[/math]

где:

• [math]\displaystyle{ Y }[/math] — зависимая переменная (следствие)
• [math]\displaystyle{ X }[/math] — независимая переменная (причина)
• [math]\displaystyle{ f }[/math] — функция, описывающая каузальную связь
• [math]\displaystyle{ U_Y }[/math] — неизмеряемые факторы (ошибка)

Для множественных переменных система записывается как:

[math]\displaystyle{ \begin{align} X_1 &= f_1(PA_1, U_1) \\ X_2 &= f_2(PA_2, U_2) \\ &\vdots \\ X_n &= f_n(PA_n, U_n) \end{align} }[/math]

где [math]\displaystyle{ PA_i }[/math] — родительские переменные для [math]\displaystyle{ X_i }[/math] в каузальном графе.

Условия установления причинности

Для установления причинности необходимо выполнение трех условий:

Статистическая ассоциация

Должна существовать статистически значимая связь между переменными:

[math]\displaystyle{ Corr(X,Y) \neq 0 }[/math]

Временная последовательность

Причина должна предшествовать следствию во времени:

[math]\displaystyle{ t_X \lt t_Y }[/math]

Исключение альтернативных объяснений

Необходимо исключить влияние конфаундеров (confounders) — третьих переменных, которые могут влиять на обе изучаемые переменные.

Каузальные графы

Каузальные графы (Directed Acyclic Graphs, DAGs) — визуальное представление причинно-следственных связей между переменными. В них:

• Узлы представляют переменные
• Стрелки показывают направление каузального влияния
• Отсутствие стрелки означает отсутствие прямой каузальной связи

Примеры из образовательной сферы

Влияние размера класса на успеваемость

В образовательной статистике часто изучается влияние размера класса на академические результаты студентов:

[math]\displaystyle{ Успеваемость = f(РазмерКласса, Качество\_преподавания, Социальный\_статус) }[/math]